当前位置：网站首页>15 tips about SQL optimization

15 tips about SQL optimization

2022-08-06 16:27:00 【InfoQ】

前言

sql优化是一个大家都比较关注的热门话题,无论你在面试,还是工作中,都很有可能会遇到.

如果某天你负责的某个线上接口,出现了性能问题,需要做优化.那么你首先想到的很有可能是优化sql语句,因为它的改造成本相对于代码来说也要小得多.

那么,如何优化sql语句呢？

这篇文章从15个方面,分享了sql优化的一些小技巧,希望对你有所帮助.

1 避免使用select *

很多时候,我们写sql语句时,为了方便,喜欢直接使用select *,一次性查出表中所有列的数据.

反例：

select * from user where id=1;

在实际业务场景中,可能我们真正需要使用的只有其中一两列.查了很多数据,但是不用,白白浪费了数据库资源,比如：内存或者cpu.

此外,多查出来的数据,通过网络IO传输的过程中,也会增加数据传输的时间.

还有一个最重要的问题是：select *不会走覆盖索引,会出现大量的回表操作,而从导致查询sql的性能很低.

那么,如何优化呢？

正例：

select name,age from user where id=1;

sql语句查询时,只查需要用到的列,多余的列根本无需查出来.

2 用union all代替union

我们都知道sql语句使用union关键字后,可以获取排重后的数据.

而如果使用union all关键字,可以获取所有数据,包含重复的数据.

反例：

(select * from user where id=1) union (select * from user where id=2);

排重的过程需要遍历、排序和比较,它更耗时,更消耗cpu资源.

所以如果能用union all的时候,尽量不用union.

正例：

(select * from user where id=1) union all(select * from user where id=2);

除非是有些特殊的场景,比如union all之后,结果集中出现了重复数据,而业务场景中是不允许产生重复数据的,这时可以使用union.

3 小表驱动大表

小表驱动大表,也就是说用小表的数据集驱动大表的数据集.

假如有order和user两张表,其中order表有10000条数据,而user表有100条数据.

这时如果想查一下,所有有效的用户下过的订单列表.

可以使用in关键字实现：

select * from orderwhere user_id in (select id from user where status=1)

也可以使用exists关键字实现：

select * from orderwhere exists (select 1 from user where order.user_id = user.id and status=1)

前面提到的这种业务场景,使用in关键字去实现业务需求,更加合适.

为什么呢？

因为如果sql语句中包含了in关键字,则它会优先执行in里面的子查询语句,然后再执行in外面的语句.如果in里面的数据量很少,作为条件查询速度更快.

而如果sql语句中包含了exists关键字,它优先执行exists左边的语句（即主查询语句）.然后把它作为条件,去跟右边的语句匹配.如果匹配上,则可以查询出数据.如果匹配不上,数据就被过滤掉了.

这个需求中,order表有10000条数据,而user表有100条数据.order表是大表,user表是小表.如果order表在左边,则用in关键字性能更好.

总结一下：

in 适用于左边大表,右边小表.

exists 适用于左边小表,右边大表.

不管是用in,还是exists关键字,其核心思想都是用小表驱动大表.

4 批量操作

如果你有一批数据经过业务处理之后,需要插入数据,该怎么办？

反例：

for(Order order: list){ orderMapper.insert(order):}

在循环中逐条插入数据.

insert into order(id,code,user_id) values(123,'001',100);

该操作需要多次请求数据库,才能完成这批数据的插入.

但众所周知,我们在代码中,每次远程请求数据库,是会消耗一定性能的.而如果我们的代码需要请求多次数据库,才能完成本次业务功能,势必会消耗更多的性能.

那么如何优化呢？

正例：

orderMapper.insertBatch(list):

提供一个批量插入数据的方法.

insert into order(id,code,user_id) values(123,'001',100),(124,'002',100),(125,'003',101);

这样只需要远程请求一次数据库,sql性能会得到提升,数据量越多,提升越大.

但需要注意的是,不建议一次批量操作太多的数据,如果数据太多数据库响应也会很慢.批量操作需要把握一个度,建议每批数据尽量控制在500以内.如果数据多于500,则分多批次处理.

5 多用limit

有时候,我们需要查询某些数据中的第一条,比如：查询某个用户下的第一个订单,想看看他第一次的首单时间.

反例：

select id, create_date from order where user_id=123 order by create_date asc;

根据用户id查询订单,按下单时间排序,先查出该用户所有的订单数据,得到一个订单集合.然后在代码中,获取第一个元素的数据,即首单的数据,就能获取首单时间.

List<Order> list = orderMapper.getOrderList();Order order = list.get(0);

虽说这种做法在功能上没有问题,但它的效率非常不高,需要先查询出所有的数据,有点浪费资源.

那么,如何优化呢？

正例：

select id, create_date from order where user_id=123 order by create_date asc limit 1;

使用limit 1,只返回该用户下单时间最小的那一条数据即可.

此外,在删除或者修改数据时,为了防止误操作,导致删除或修改了不相干的数据,也可以在sql语句最后加上limit.

例如：

update order set status=0,edit_time=now(3) where id>=100 and id<200 limit 100;

这样即使误操作,比如把id搞错了,也不会对太多的数据造成影响.

6 in中值太多

对于批量查询接口,我们通常会使用in关键字过滤出数据.比如：想通过指定的一些id,批量查询出用户信息.

sql语句如下：

select id,name from categorywhere id in (1,2,3...100000000);

如果我们不做任何限制,该查询语句一次性可能会查询出非常多的数据,很容易导致接口超时.

这时该怎么办呢？

select id,name from categorywhere id in (1,2,3...100)limit 500;

可以在sql中对数据用limit做限制.

不过我们更多的是要在业务代码中加限制,伪代码如下：

public List<Category> getCategory(List<Long> ids) { if(CollectionUtils.isEmpty(ids)) { return null; } if(ids.size() > 500) { throw new BusinessException(&quot;一次最多允许查询500条记录&quot;) } return mapper.getCategoryList(ids);}

还有一个方案就是：如果ids超过500条记录,可以分批用多线程去查询数据.每批只查500条记录,最后把查询到的数据汇总到一起返回.

不过这只是一个临时方案,不适合于ids实在太多的场景.因为ids太多,即使能快速查出数据,但如果返回的数据量太大了,网络传输也是非常消耗性能的,接口性能始终好不到哪里去.

7 增量查询

有时候,我们需要通过远程接口查询数据,然后同步到另外一个数据库.

反例：

select * from user;

如果直接获取所有的数据,然后同步过去.这样虽说非常方便,但是带来了一个非常大的问题,就是如果数据很多的话,查询性能会非常差.

这时该怎么办呢？

正例：

select * from user where id>#{lastId} and create_time >= #{lastCreateTime} limit 100;

按id和时间升序,每次只同步一批数据,这一批数据只有100条记录.每次同步完成之后,保存这100条数据中最大的id和时间,给同步下一批数据的时候用.

通过这种增量查询的方式,能够提升单次查询的效率.

8 高效的分页

有时候,列表页在查询数据时,为了避免一次性返回过多的数据影响接口性能,我们一般会对查询接口做分页处理.

在mysql中分页一般用的limit关键字：

select id,name,age from user limit 10,20;

如果表中数据量少,用limit关键字做分页,没啥问题.但如果表中数据量很多,用它就会出现性能问题.

比如现在分页参数变成了：

select id,name,age from user limit 1000000,20;

mysql会查到1000020条数据,然后丢弃前面的1000000条,只查后面的20条数据,这个是非常浪费资源的.

那么,这种海量数据该怎么分页呢？

优化sql：

select id,name,age from user where id > 1000000 limit 20;

先找到上次分页最大的id,然后利用id上的索引查询.不过该方案,要求id是连续的,并且有序的.

还能使用between优化分页.

select id,name,age from user where id between 1000000 and 1000020;

需要注意的是between要在唯一索引上分页,不然会出现每页大小不一致的问题.

9 用连接查询代替子查询

mysql中如果需要从两张以上的表中查询出数据的话,一般有两种实现方式：子查询 和 连接查询.

子查询的例子如下：

select * from orderwhere user_id in (select id from user where status=1)

子查询语句可以通过in关键字实现,一个查询语句的条件落在另一个select语句的查询结果中.程序先运行在嵌套在最内层的语句,再运行外层的语句.

子查询语句的优点是简单,结构化,如果涉及的表数量不多的话.

但缺点是mysql执行子查询时,需要创建临时表,查询完毕后,需要再删除这些临时表,有一些额外的性能消耗.

这时可以改成连接查询.具体例子如下：

select o.* from order oinner join user u on o.user_id = u.idwhere u.status=1

10 join的表不宜过多

根据阿里巴巴开发者手册的规定,join表的数量不应该超过3个.

反例：

select a.name,b.name.c.name,d.namefrom a inner join b on a.id = b.a_idinner join c on c.b_id = b.idinner join d on d.c_id = c.idinner join e on e.d_id = d.idinner join f on f.e_id = e.idinner join g on g.f_id = f.id

如果join太多,mysql在选择索引的时候会非常复杂,很容易选错索引.

并且如果没有命中中,nested loop join 就是分别从两个表读一行数据进行两两对比,复杂度是 n^2.

所以我们应该尽量控制join表的数量.

正例：

select a.name,b.name.c.name,a.d_name from a inner join b on a.id = b.a_idinner join c on c.b_id = b.id

如果实现业务场景中需要查询出另外几张表中的数据,可以在a、b、c表中冗余专门的字段,比如：在表a中冗余d_name字段,保存需要查询出的数据.

不过我之前也见过有些ERP系统,并发量不大,但业务比较复杂,需要join十几张表才能查询出数据.

所以join表的数量要根据系统的实际情况决定,不能一概而论,尽量越少越好.

11 join时要注意

我们在涉及到多张表联合查询的时候,一般会使用join关键字.

而join使用最多的是left join和inner join.

left join：求两个表的交集外加左表剩下的数据.

inner join：求两个表交集的数据.

使用inner join的示例如下：

select o.id,o.code,u.name from order o inner join user u on o.user_id = u.idwhere u.status=1;

如果两张表使用inner join关联,mysql会自动选择两张表中的小表,去驱动大表,所以性能上不会有太大的问题.

使用left join的示例如下：

select o.id,o.code,u.name from order o left join user u on o.user_id = u.idwhere u.status=1;

如果两张表使用left join关联,mysql会默认用left join关键字左边的表,去驱动它右边的表.如果左边的表数据很多时,就会出现性能问题.

要特别注意的是在用left join关联查询时,左边要用小表,右边可以用大表.如果能用inner join的地方,尽量少用left join.

12 控制索引的数量

众所周知,索引能够显著的提升查询sql的性能,但索引数量并非越多越好.

因为表中新增数据时,需要同时为它创建索引,而索引是需要额外的存储空间的,而且还会有一定的性能消耗.

阿里巴巴的开发者手册中规定,单表的索引数量应该尽量控制在5个以内,并且单个索引中的字段数不超过5个.

mysql使用的B+树的结构来保存索引的,在insert、update和delete操作时,需要更新B+树索引.如果索引过多,会消耗很多额外的性能.

那么,问题来了,如果表中的索引太多,超过了5个该怎么办？

这个问题要辩证的看,如果你的系统并发量不高,表中的数据量也不多,其实超过5个也可以,只要不要超过太多就行.

但对于一些高并发的系统,请务必遵守单表索引数量不要超过5的限制.

那么,高并发系统如何优化索引数量？

能够建联合索引,就别建单个索引,可以删除无用的单个索引.

将部分查询功能迁移到其他类型的数据库中,比如：Elastic Seach、HBase等,在业务表中只需要建几个关键索引即可.

13 选择合理的字段类型

char表示固定字符串类型,该类型的字段存储空间的固定的,会浪费存储空间.

alter table order add column code char(20) NOT NULL;

varchar表示变长字符串类型,该类型的字段存储空间会根据实际数据的长度调整,不会浪费存储空间.

alter table order add column code varchar(20) NOT NULL;

如果是长度固定的字段,比如用户手机号,一般都是11位的,可以定义成char类型,长度是11字节.

但如果是企业名称字段,假如定义成char类型,就有问题了.

如果长度定义得太长,比如定义成了200字节,而实际企业长度只有50字节,则会浪费150字节的存储空间.

如果长度定义得太短,比如定义成了50字节,但实际企业名称有100字节,就会存储不下,而抛出异常.

所以建议将企业名称改成varchar类型,变长字段存储空间小,可以节省存储空间,而且对于查询来说,在一个相对较小的字段内搜索效率显然要高些.

我们在选择字段类型时,应该遵循这样的原则：

能用数字类型,就不用字符串,因为字符的处理往往比数字要慢.

尽可能使用小的类型,比如：用bit存布尔值,用tinyint存枚举值等.

长度固定的字符串字段,用char类型.

长度可变的字符串字段,用varchar类型.

金额字段用decimal,避免精度丢失问题.

还有很多原则,这里就不一一列举了.

14 提升group by的效率

我们有很多业务场景需要使用group by关键字,它主要的功能是去重和分组.

通常它会跟having一起配合使用,表示分组后再根据一定的条件过滤数据.

反例：

select user_id,user_name from ordergroup by user_idhaving user_id <= 200;

这种写法性能不好,它先把所有的订单根据用户id分组之后,再去过滤用户id大于等于200的用户.

分组是一个相对耗时的操作,为什么我们不先缩小数据的范围之后,再分组呢？

正例：

select user_id,user_name from orderwhere user_id <= 200group by user_id

使用where条件在分组前,就把多余的数据过滤掉了,这样分组时效率就会更高一些.

其实这是一种思路,不仅限于group by的优化.我们的sql语句在做一些耗时的操作之前,应尽可能缩小数据范围,这样能提升sql整体的性能.

15 索引优化

sql优化当中,有一个非常重要的内容就是：索引优化.

很多时候sql语句,走了索引,和没有走索引,执行效率差别很大.所以索引优化被作为sql优化的首选.

索引优化的第一步是：检查sql语句有没有走索引.

那么,如何查看sql走了索引没？

可以使用explain命令,查看mysql的执行计划.

例如：

explain select * from `order` where code='002';

结果：

通过这几列可以判断索引使用情况,执行计划包含列的含义如下图所示：

如果你想进一步了解explain的详细用法,可以看看我的另一篇文章《explain | 索引优化的这把绝世好剑,你真的会用吗？》

说实话,sql语句没有走索引,排除没有建索引之外,最大的可能性是索引失效了.

下面说说索引失效的常见原因：

如果不是上面的这些原因,则需要再进一步排查一下其他原因.

此外,你有没有遇到过这样一种情况：明明是同一条sql,只有入参不同而已.有的时候走的索引a,有的时候却走的索引b？

没错,有时候mysql会选错索引.

必要时可以使用force index来强制查询sql走某个索引.

至于为什么mysql会选错索引,后面有专门的文章介绍的,这里先留点悬念.

原网站

版权声明
本文为[InfoQ]所创，转载请带上原文链接，感谢
https://yzsam.com/2022/218/202208061613202431.html